现在你已经能够创建自己的折线图了，是时候学习更多的图表类型了！

顺便说一下，如果这是你第一次在Python中编写代码，你应该为你所取得的成就感到非常自豪，因为学习全新的技能从来都不容易！如果你坚持学习，你会发现一切都会变得更容易（而你构建的图表也会更加令人印象深刻！），因为所有图表的代码都非常相似。像任何技能一样，编码随着时间和重复变得自然。

在本教程中，你将学习条形图和热力图。

设置笔记本

像往常一样，我们首先设置编码环境。（ 这段代码是隐藏的，但是你可以点击下面的“代码”按钮将其显示出来。 ）

import pandas as pd
pd.plotting.register_matplotlib_converters()
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
print("Setup Complete")

Setup Complete

数据选择

在本教程中，我们将使用来自美国运输部的数据集来跟踪航班延误。

在 Excel 中打开这个 CSV 文件会显示每个月一行(其中 1 = January, 2 = February 等)，每个航空公司代码一列。

每个条目显示不同航空公司和月份的平均到达延迟时间(分钟)(全部在2015年)。负项表示( 平均 )往往较早抵达的航班。例如，美国航空公司1月份的航班( 航空公司代码: AA )平均晚点约7分钟，阿拉斯加航空公司4月份的航班( 航空公司代码: AS )平均早点约3分钟。

数据加载

与前面一样，我们使用pd.read_csv命令加载数据集。

# Path of the file to read
flight_filepath = "../input/flight_delays.csv"

# Read the file into a variable flight_data
flight_data = pd.read_csv(flight_filepath, index_col="Month")

你可能会注意到，这段代码比我们在之前的教程中使用的代码稍微短一些。在这种情况下，由于行标签（来自'Month'列）不对应日期，我们不在括号中添加parse_dates=True。但是，我们保留前两段文本，以提供以下两个信息：

• 数据集的文件路径（在本例中为flight_filepath）；
• 用于索引行的列的名称（在本例中为index_col="Month"）。

检查数据

由于数据集很小，我们可以轻松打印出所有内容。只需编写一行代码，使用数据集的名称即可。

# Print the data
flight_data

条形图

假设我们想创建一个条形图，按月显示Spirit航空公司(航空公司代码: NK)航班的平均到达延迟时间。

# Set the width and height of the figure
plt.figure(figsize=(10,6))

# Add title
plt.title("Average Arrival Delay for Spirit Airlines Flights, by Month")

# Bar chart showing average arrival delay for Spirit Airlines flights by month
sns.barplot(x=flight_data.index, y=flight_data['NK'])

# Add label for vertical axis
plt.ylabel("Arrival delay (in minutes)")

​
​

自定义文本（标题和垂直轴标签）和图形大小的命令与先前的教程相似。创建条形图的代码是新的：

# 显示Spirit Airlines航班按月平均到达延误的条形图
sns.barplot(x=flight_data.index, y=flight_data['NK'])

它有三个主要组成部分：

• sns.barplot - 告诉笔记本我们想要创建一个条形图。
• 请记住，sns 是 seaborn 包的缩写，您在本课程中使用的创建图表的所有命令都将以此前缀开头。
• x=flight_data.index - 确定水平轴使用什么。在这种情况下，我们选择了用于 索引 行的列（在此情况下是包含月份的列）。
• y=flight_data['NK'] - 设置将用于确定每个条的高度的数据列。在这种情况下，我们选择 'NK' 列。

重要提示：您必须使用flight_data.index选择索引列，无法使用flight_data['Month']（将返回错误）。这是因为我们加载数据集时，"Month"列用于索引行。我们总是必须使用这种特殊表示法来选择索引列。

热力图

我们还有一个要学习的绘图类型：热力图！

在下面的代码单元格中，我们创建一个热力图，以快速可视化flight_data中的模式。每个单元格根据其相应的值进行彩色编码。

# Set the width and height of the figure
plt.figure(figsize=(14,7))

# Add title
plt.title("Average Arrival Delay for Each Airline, by Month")

# Heatmap showing average arrival delay for each airline by month
sns.heatmap(data=flight_data, annot=True)

# Add label for horizontal axis
plt.xlabel("Airline")

​
​

创建热力图的相关代码如下：

# Heatmap showing average arrival delay for each airline by month
sns.heatmap(data=flight_data, annot=True)

此代码包含三个主要组件：

• sns.heatmap - 告诉笔记本我们要创建热力图。
• data=flight_data - 告诉笔记本使用flight_data中的所有条目来创建热力图。
• annot=True - 确保每个单元格的值出现在图表上。（如果省略此代码，每个单元格中的数字将被删除！）

您能在表格中发现什么模式吗？例如，如果您仔细观察，您会发现年底的月份（特别是9-11月）对于所有航空公司来说相对较暗。这表明在这些月份，航空公司在平均情况下更善于保持时间表！